第二章：开发环境搭建——Python环境配置、虚拟环境创建、依赖管理

好，咱们正式开始动手了。这一章我带你搭好开发环境。别小看这一步，我见过太多项目后期出问题，根源就是环境没弄对。你想想看，代码写得再好，跑不起来也是白搭。

2.1 Python版本选择与安装

我个人习惯用Python 3.9或3.10。为什么？因为pydicom和hl7apy这两个库，在3.11以上版本偶尔会有点小脾气。我在项目中遇到过，3.11刚出来时，hl7apy的某个依赖包还没适配，折腾了我一下午。

建议你装Python 3.9.13，稳定，兼容性好。下载地址我就不贴了，去官网找就行。安装时记得勾选「Add Python to PATH」，这个忘了后面会很麻烦。

2.2 虚拟环境——为什么需要它？

说白了，虚拟环境就是给你的每个项目一个独立的小房间。你在这个房间里装什么库，都不会影响到别的项目。

我曾经接手过一个项目，对方把所有依赖都装在系统Python里。结果A项目要pandas 1.0，B项目要pandas 2.0，两个项目一跑就炸。嗯，从那以后我每个项目必建虚拟环境。

2.3 创建虚拟环境（venv）

Python自带的venv模块就够用了。打开终端，进到你的项目目录，执行：

# 创建虚拟环境
python -m venv medenv

# 激活虚拟环境
# Windows:
medenv\Scripts\activate

# macOS/Linux:
source medenv/bin/activate

激活后，终端前面会出现 (medenv) 字样，说明你已经在虚拟环境里了。这时候你装任何库，都只会装到这个环境里。

2.4 依赖管理——pip与requirements.txt

咱们这个课程要用到几个核心库：

库名	用途	建议版本
pandas	数据处理，表格操作	≥1.5.0
numpy	数值计算，数组操作	≥1.24.0
pydicom	DICOM医学影像解析	≥2.3.0
hl7apy	HL7医疗消息解析	≥1.3.0
flask	Web服务，API接口	≥2.3.0

安装命令很简单：

pip install pandas numpy pydicom hl7apy flask

装完之后，把依赖导出到文件：

pip freeze > requirements.txt

这个文件就是你的「依赖清单」。以后换电脑或者给别人部署，直接：

pip install -r requirements.txt

一键装完所有依赖。方便吧？

2.5 验证环境是否正常

装完之后，咱们验证一下。写个简单的测试脚本：

import pandas as pd
import numpy as np
import pydicom
import hl7apy
import flask

print("pandas版本:", pd.__version__)
print("numpy版本:", np.__version__)
print("pydicom版本:", pydicom.__version__)
print("flask版本:", flask.__version__)
print("所有库导入成功！环境配置完成。")

跑一下，如果没报错，说明环境搭好了。如果报错，多半是版本问题，换个版本试试。

2.6 关于hl7apy的特殊说明

hl7apy这个库有点特殊。它默认只支持HL7 v2.x版本，不支持v3。咱们课程主要用v2.x，所以够用了。

另外，hl7apy的文档写得不太好。我刚开始用的时候，翻文档翻得头疼。后来发现，直接看源码反而更清楚。嗯，这也是个经验——有时候文档不如源码靠谱。

2.7 开发工具推荐

工欲善其事，必先利其器。我推荐用VS Code，免费，插件丰富。装这几个插件：

• Python（微软官方）
• Pylance（代码补全）
• Jupyter（交互式编程，调试数据很方便）

当然，你用PyCharm也行。我个人觉得VS Code轻量，启动快，适合医疗设备这种需要频繁调试的场景。

2.8 本章小结

好，到这步，你的开发环境就搭好了。咱们回顾一下：

• 装了Python 3.9.13
• 建了虚拟环境medenv
• 装了pandas、numpy、pydicom、hl7apy、flask
• 导出了requirements.txt
• 验证了环境正常

下一章，咱们开始真正接触DICOM数据。你会看到一张CT图像是怎么被解析成数字的。做好准备，有意思的东西要来了。